「tag:Reasoning」に一致するピン

IBMは、8Bおよび2B Instructモデルに切り替え可能なチェーン・オブ・ソート推論を搭載したGranite 3.2と、同社初の公式ビジョン言語モデルGranite Vision 3.2 2Bを、いずれもApache 2.0で公開しました。

Googleが実験版「Gemini 2.5 Pro」を公開。2.5世代の第1弾となる思考モデルで、Humanity's Last Examで18.8%、SWE-Bench Verifiedで63.8%を記録し、100万トークンのコンテキストウィンドウを備える。

IBM は、フィル・イン・ザ・ミドル(fill-in-the-middle)対応と推論の改良を備えた Granite 3.3 8B および 2B Instruct に加え、同社初の公式な音声認識モデル Granite Speech 3.3 8B を Apache 2.0 で公開しました。

Googleが「Gemini 2.5 Flash」をプレビュー公開。初の完全なハイブリッド推論モデルで、開発者は思考をオフにしたり、最大2万4576トークンの思考予算で上限を設けたりできる。

AlibabaのQwenチームは、Apache 2.0の下でQwen3ファミリーをオープンソース化した。0.6Bから32Bまでの6つの密モデルと2つのMixture-of-Expertsモデル(30B-A3Bと235B-A22B)で、思考モードと非思考モードの切り替えに対応し、119言語をサポートする。密モデルのフラッグシップQwen3-32Bは思考モードでArena-Hardスコア93.8を記録した。

DeepSeekは推論モデルR1をR1-0528へアップグレードし、MITライセンスのオープンウェイトで公開した。AIME 2025は70.0%から87.5%に、GPQA-Diamondは71.5%から81.0%に向上し、関数呼び出しとJSON出力も追加された。

MiniMaxは、456Bのオープンウェイト型ハイブリッド混合エキスパート推論モデルM1を公開しました。ライトニングアテンションを採用し、1Mトークンのコンテキストと80Kトークンの推論出力に対応し、新しい強化学習アルゴリズムで報じられたところでは$534,700で訓練されました。

AlibabaのQwenチームは、思考専用の235B混合エキスパート（MoE）モデル「Qwen3-235B-A22B-Thinking-2507」を公開した。コンテキスト長は262K、ライセンスはApache 2.0で、AIME25で92.3、LiveCodeBench v6で74.1を記録した。

OpenAIはAPIでGPT-5とともにGPT-5 miniとGPT-5 nanoを公開した。コンテキストは400,000トークン、新たに最小の推論強度を導入し、価格は入力1百万トークンあたり$0.25と$0.05。

Alibabaは、トークンあたり3Bパラメータのみを稼働させる超スパースな80Bモデル「Qwen3-Next-80B-A3B-Instruct」と「Thinking」を公開した。ハイブリッドなGated DeltaNetアテンション設計を採用し、ライセンスはApache 2.0。

DeepSeekは、ツール使用の最中にも思考するオープンウェイトモデルで、自社テストでGPT-5水準の性能を示すDeepSeek-V3.2と、API専用でGemini-3.0-Proに匹敵し2025年のIMOとIOIで金メダル水準に達したとするDeepSeek-V3.2-Specialeを発表した。

Googleが「Gemini 3 Deep Think」をGeminiアプリのGoogle AI Ultra加入者向けに展開開始。推論を強化したモードで、Humanity's Last Examで41.0%、ARC-AGI-2で45.1%を記録する。

Z.ai（智譜AI）は、MITライセンスのコーディング特化型フラッグシップモデルGLM-4.7をリリースした。SWE-bench Verifiedで73.8、τ²-Benchで87.4を記録し、2025年末時点でCode Arenaのオープンモデル部門で首位となった。

StepFun は、総パラメータ 196B・アクティブ 11B、256K コンテキスト、最大毎秒 350 トークンのスパース混合エキスパートモデル Step 3.5 Flash を Apache 2.0 でオープンソース化した。SWE-bench Verified で 74.4% を記録している。

Alibabaは旧正月の前日に、397Bパラメータのうち17Bを稼働させるネイティブマルチモーダルなオープンウェイトモデル「Qwen3.5-397B-A17B」と、1Mトークンのコンテキストを持つホスト型の「Qwen3.5-Plus」を公開した。

Googleが「Gemini 3.1 Pro」をプレビュー公開。複雑な推論に向けて中核を強化し、ARC-AGI-2で検証済みの77.1%を記録。Geminiアプリ、NotebookLM、API、Vertex AIで利用できる。

Inceptionは、自社が初の推論拡散LLMと呼ぶMercury 2を発表しました。NVIDIA Blackwell GPUで毎秒1,009トークン、入力100万トークンあたり$0.25、出力100万トークンあたり$0.75で、コンテキストは128Kです。

Arcee AIは、長期的なエージェント向けに作られた398Bパラメータ（アクティブ約13B）のオープン推論モデルTrinity-Large-Thinkingを公開しました。PinchBenchではClaude Opus 4.6に次ぐ2位で、出力100万トークンあたり$0.90だとしています。

Alibabaは、エージェント型コーディングを狙った1Mトークンのコンテキストウィンドウを持つホスト型マルチモーダルモデル「Qwen3.6-Plus」を公開した。価格は入力100万トークンあたりCNY 2で、SWE-bench Verifiedで78.8を記録している。

SpaceXAI(旧xAI)がGrok 4.3をAPIで公開した。1Mトークンの推論モデルで、価格は入力100万トークンあたり$1.25、出力100万トークンあたり$2.50と、Grok 4.20より約40%と60%安い。Artificial Analysisは発表時に53点と評価した。

Alibabaは、テキスト専用のプロプライエタリなフラッグシップ・エージェントモデルQwen3.7-Maxを発表した。コンテキストウィンドウは1Mトークンで、35時間の自律稼働を達成し、SWE-bench Verifiedで80.4を記録したという。

Tencentは、オープンウェイトのHunyuanモデルの製品版であるHy3を正式に公開した。295Bパラメータでアクティブ21B、256Kトークンのコンテキストを持つMixture-of-Expertsで、価格は入力100万トークンあたり1元。

Z.ai（Zhipu AI）は、GLM-5.2をポストトレーニングのみでアップグレードしたGLM-5.3をリリースした。Terminal Bench 3.0で28.3、脆弱性ベンチマークCyberGymで84.5%を記録し、1Mトークンのコンテキストを備え、2週間後にオープンウェイトも公開された。

IBMがGranite 4.2を公開。Apache 2.0ライセンスのオープンな推論モデル3種(3B、8B、30B)で、思考モードを切り替えられる。IBM自身の評価では、8BはSWE-bench Verifiedで47.67、AIME25で86.67を記録した。